CN110741271B - 用于定位建筑物出入口的系统和方法 - Google Patents

Abstract

提供了一种用于定位建筑物出入口的系统和方法。该方法可以包括：基于移动设备获取的运动数据和运动模型，确定移动设备的轨迹(S602)，获取移动设备的轨迹的第一终端位置(S604)，检测移动设备进入或离开建筑物(S606)，并且当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置(S608)。

Description

用于定位建筑物出入口的系统和方法

技术领域

本申请涉及定位技术，更具体地，涉及用于定位建筑物出入口的系统和方法。

背景技术

准确定位建筑物，例如房屋、建筑、停车场或任何其他结构的出入口非常重要。例如，为了生成建筑物的布局图，出入口是建筑物内所有路线的起点。此外，如果目的地是位于十字路口的大型建筑物，则出入口位置应该用作导航路线的终点。

传统上，建筑物出入口是手动定位的。例如，可以确定定位设备的位置，并且手动校准以指定为建筑物出入口的位置。定位大量建筑物出入口不仅耗时，而且聘请技术人员手动执行定位也很昂贵。

当携带移动设备(例如，智能电话、平板电脑、智能手表等)的人走进或走出建筑物时，可以通过收集移动设备的位置数据和运动数据，定位建筑物出入口。然而，智能设备的位置数据严重依赖于全球定位系统(GPS)信号，只有当移动设备的GPS定位模块处于活动状态时，该信号才能由移动设备接收。

本申请的实施例提供了用于定位建筑物出入口的改进的系统和方法，即使是在GPS定位模块关闭或GPS信号太弱而无法定位时。

发明内容

本申请的一个方面提供了一种用于定位建筑物出入口的方法。该方法可以包括基于由移动设备获取的运动数据和运动模型，确定建筑物外的移动设备的轨迹；通过定位设备，获取所述移动设备的所述轨迹的第一终端位置；检测移动设备进入或离开建筑物；并且当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置。

本申请的另一方面提供了一种用于定位建筑物出入口的系统。该系统可以包括用于存储运动模型的存储介质；处理器被配置用于基于由移动设备获取的运动数据和运动模型，确定建筑物外的移动设备的轨迹；获取移动设备的轨迹的第一终端位置；检测移动设备进入或离开建筑物；并且当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置。

本申请的又一方面提供了一种非暂时性计算机可读存储介质。非暂时性计算机可读存储介质存储一组指令，包括当由定位系统的至少一个处理器执行时，使得所述定位系统执行用于定位建筑物出入口的方法，所述方法包括：基于移动设备获取的运动数据和运动模型，确定移动设备的轨迹；获取移动设备的轨迹的第一终端位置；检测移动设备进入或离开建筑物；并且当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置。

应当理解，前面的一般性描述和下面的详细描述都只是示例性和说明性的，并不是对要求保护的本发明的限制。

附图说明

图1是根据本申请的一些实施例示出的终端设备、出入口和车辆之间的示例性关系的示意图；

图2是根据本申请的一些实施例示出的用于定位建筑物出入口的示例性系统；

图3是根据本申请的一些实施例的用于定位建筑物出入口的示例性系统的框图；

图4是根据本申请的一些实施例的示例性轨迹判断单元的框图；

图5是根据本申请的一些实施例示出的移动设备的示例性坐标系；

图6是根据本申请的一些实施例的用于定位建筑物出入口的示例性方法的流程图；以及

图7是根据本申请的一些实施例示出的用于生成移动设备的轨迹的示例性过程的流程图。

具体实施方式

现在将详细参考示例性实施例，其示例在附图中示出。只要有可能，在整个附图中将使用相同的附图标记来表示相同或相似的部分。

图1是根据本申请的一些实施例示出的终端设备、出入口和车辆之间的示例性关系的示意图。

一般来说，车辆司机的终端设备带有打开的GPS定位模块以进行GPS导航。例如，当司机在他/她的终端设备上安装在线约车平台应用程序(例如，滴滴应用程序)时，应用程序默认打开GPS定位模块，以便相应车辆的位置可以上传到在线约车平台系统的服务器。类似地，当用户开始行程时，行程的开始位置将被上传到服务器，并且当用户完成行程时，行程的终端位置也将被上传到服务器。也就是说，可以通过在线约车平台系统获取用户行程的开始位置和终端位置。

通常，当用户仍在建筑物(例如，办公楼、商场、餐厅、住宅或公寓楼等)内时，用户可以使用移动设备(例如，用户设备)上的在线约车平台，呼叫车辆(例如，出租车或私家车)开始行程。携带移动设备的用户可以穿过建筑物的出口到达乘坐接送位置，并等待车辆。类似地，在行程结束后，携带移动设备的用户可以离开车辆并通过建筑物的入口进入建筑物。因此，用户在入口/出口和车辆之间创建轨迹(即，移动设备的轨迹)。

图1示出了出入口104(入口或出口)与车辆106之间的移动设备102的轨迹110。当轨迹110是朝向建筑物出入口104(即，入口)的轨迹时，车辆106的位置是轨迹110的起始位置，并且出入口104的位置是轨迹110的终端位置。

类似地，当轨迹110是离开建筑物出入口104(即，出口)的轨迹时，车辆106的位置是轨迹110的终端位置，并且出入口104的位置是轨迹110的起始位置。因此，给定车辆106和轨迹110的位置，可以基于移动设备102是移向出入口104还是从出入口104离开来确定出入口104的位置。

图2是根据本申请的一些实施例示出的用于定位建筑物出入口的示例性系统200。

系统200可以是与移动设备102和车辆106通信的通用服务器或专有设备。

移动设备102可以包括任何智能设备，诸如智能电话、膝上型电脑、平板电脑、智能手表等。与本申请的实施例一致，移动设备102可以包括至少两个传感器和/或信号接收器，用于获取传感信号以确定移动设备102的轨迹。

传感器可包括气压传感器、温度传感器、光传感器等。传感器还可以包括运动传感器，例如磁力计、陀螺仪、重力传感器、加速度传感器等，并且运动传感器可以被配置用于接收运动数据，例如移动设备102的磁场强度、方向、重力值、加速度值等。

信号接收器可以被配置用于接收无线保真(WiFi)信号、蓝牙信号、基站信号等。基站信号还可以包括有移动通信(GSM)信号的全球系统、码分多址(CDMA)信号、宽带码分多址(WCDMA)信号、长期演进(LTE)信号等。因此，传感信号可以包括大气压力、温度、光强度、磁场值、方向、重力值、加速度值、WiFi信号、基站信号等中的至少一个。

车辆106可以将行程信息上载到系统200。例如，行程信息可以包括用户的身份、车辆106的位置等。用户的身份可以包括用户帐户的信息，该用户帐户登录在用户的移动设备102上。车辆106的位置可以包括行程期间的任何位置，例如行程的起点、行程的目的地点等。车辆106可以通过具有在线约车平台应用程序(例如，滴滴应用程序)或内置设备(未示出)的司机终端设备(未示出)，获取上述行程信息。司机终端设备或内置设备可包括GPS定位模块，用于确定车辆106的位置。因此，当行程仍在进行时，即使移动设备102的GPS定位模块未激活或具有弱信号，也可以基于车辆106的位置来定位移动设备102。

与本申请的实施例一致，系统200可以基于移动设备102的运动数据和传感信号以及车辆106的行程信息，定位建筑物出入口。图3是根据本申请的一些实施例的用于定位建筑物出入口的示例性系统的框图。

如图3所示，系统200可以包括处理器300、通信接口302和存储器312。处理器300还可以包括多个功能模块，例如轨迹判断单元304、终端位置获取单元306、通过出入口检测单元308和出入口定位单元310。这些模块(以及任何相应的子模块或子单元)可以是处理器300的功能硬件单元(例如，集成电路的部分)，其被设计用于与处理器300执行的其他组件或程序(存储在计算机可读存储介质上)的一部分，执行一个或以上的功能。尽管图3示出了在一个处理器300内的所有单元304至310，但是可以预期，这些单元可以分布在彼此靠近或远离的多个处理器之间。系统200可以在云端、终端设备102或单独的计算机/服务器上实现。

通信接口302可以与移动设备102和车辆106通信，并且被配置用于接收移动设备102的运动数据和传感信号以及车辆106的行程信息。

与本申请的实施例一致，存储器312可以被配置用于存储上述运动数据、传感信号、行程信息等。存储器312可以实现为任何类型的易失性或非易失性存储设备或其组合，诸如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、闪存或磁盘或光盘。

如上所述，为了定位建筑物出入口，可以获取移动设备102的轨迹110和车辆106的位置，并且可以确定移动设备102是进入还是离开建筑物。

轨迹判断单元304可以基于由移动设备获取的运动数据和运动模型，确定移动设备102的轨迹110。确定过程可以包括两个阶段。在第一阶段，也称为“训练阶段”，轨迹判断单元304可以使用与移动设备102相关联的数据，生成并训练运动模型；并且在第二阶段，也被称为“确定阶段”，轨迹判断单元304可以用训练的运动模型来确定移动设备的轨迹110，移动设备可以是由用户携带的同一移动设备102或另一移动设备。可以设想，只要移动设备放置在携带移动设备102的用户的相同位置，训练后的运动模型就可以应用于除训练阶段中的移动设备102之外的移动设备。

在一些实施例中，可以在训练阶段期间通过行人航位推算(PDR)方法，生成运动模型。PDR方法可以基于训练运动数据和移动设备102的相应轨迹，训练运动模型。

例如，当训练开始时，可能要求用户通过安装在移动设备102上的应用程序(例如，滴滴应用程序)打开移动设备102的GPS定位模块，并随身携带移动设备102。例如，移动设备102可以放置在用户的任何地方，例如放在他的口袋中，附着在他的腰带上，或放在用户携带的另一物品中，例如钱包、臂带等。

GPS定位模块可以接收GPS信号，并基于所接收的GPS信号生成移动设备102的GPS确定轨迹。可以设想，GPS确定轨迹仅仅是确定轨迹的示例。只要轨迹对于训练足够准确，任何方法都可以用于生成确定轨迹。在一些实施例中，室内定位方法还可以生成确定轨迹。

应用程序还可以要求用户步行或慢跑一段预定距离，以便训练运动数据可以由运动传感器收集，并且移动设备102的相应轨迹可以由GPS定位模块确定。当用户通常以特定模式移动时，训练运动数据和移动设备102的相应轨迹相关联。给定足够的训练运动数据和相应的轨迹，轨迹判断单元304可以使用合适的机器学习方法生成运动模型。训练运动数据基本上与上面讨论的运动数据相同，为清楚起见，在此省略其描述。下面参考图4进一步描述训练过程。图4是根据本申请的一些实施例的示例性轨迹判断单元的框图。

如图4所示，轨迹判断单元304可以包括运动数据获取单元402、运动模型训练单元404、运动矢量判断单元408和轨迹合成单元406。

在一些实施例中，移动设备102可以在训练阶段期间以预定频率(例如，每秒五次)收集训练运动数据和相应的轨迹，并且运动数据获取单元402可以接收所收集的训练运动数据和确定轨迹。在一些实施例中，数据收集窗口(例如三秒)可以被定义为用于收集训练运动数据和轨迹。因此，在上面的示例中，移动设备102针对每个窗口收集15组训练运动数据和相应的轨迹。预期任何合适的频率(每秒N次)和窗口(M秒)可以用于数据收集，产生N×M组训练数据。运动数据获取单元402可以从移动设备102接收多组训练运动数据和相应的轨迹。

然后，运动模型训练单元404然后可以基于所接收的训练运动数据和相应的轨迹，训练运动模型。

例如，运动模型训练单元404可以对每组训练运动数据和相应的轨迹执行统计分析，以便提取特征向量和监督信号以训练运动模型。

在一些实施例中，特征向量可以包括用于移动设备102的坐标系的每个轴的统计结果。图5是根据本申请的一些实施例示出的用于移动设备102的示例性坐标系500。

如图5所示，坐标系500可以是笛卡尔坐标系。移动设备102可以被指定为坐标系500的原点，移动设备102的正面方向可以被指定为X轴，左方向可以被指定为Y轴，并且可以将X轴和Y轴的正交方向指定为Z轴。可以预期，其他坐标系也可以应用在移动设备102上。

类似于运动数据，训练运动数据还可以至少包括移动设备102的磁场强度、方向、重力值、加速度值等。通过执行统计分析，运动模型训练单元404可以生成X、Y和Z轴中的每一个中的加速度值的平均值、方差和直方图。示例性直方图中，在最大加速度值和最小加速度值之间可以存在八个区间，并且每个区间可以包含一定数量的加速度值。预期直方图中可以包含任何合适数量的区间。可以将区间内的加速度值确定为区间的区间值。因此，对于每个方向，运动模型训练单元404为每个轴生成一个平均值、一个方差和八个区间值(即，总共十个分量)，因此可以为三个轴生成三十个分量。类似地，运动模型训练单元404还基于磁场值总共生成三十个分量。

运动模型训练单元404还分别计算X轴上的加速度值大于、等于和小于Y轴上的加速度值的数量，X轴上的加速度值大于、等于和小于Z轴上的加速度值的数量，以及Y轴上的加速度值大于、等于和小于Z轴上的加速度值的数量。因此，运动模型训练单元404基于加速度值为每个轴生成三个数字，并且为该特征向量生成总共九个分量。类似地，运动模型训练单元404分别基于磁场值生成九个分量。

运动模型训练单元404还分别生成X轴和Y轴、X和Z轴以及Y轴和Z轴之间的加速度值差的平均值、方差和直方图(例如，具有8个区间)。也就是说，运动模型训练单元404可以基于加速度值差，为每对X和Y轴、X和Z轴以及Y和Z轴以及总共三十个分量生成十个分量。类似地，运动模型训练单元404生成X轴和Y轴、X和Z轴以及Y轴和Z轴之间的磁场值差的平均值、方差和直方图。也就是说，运动模型训练单元404可以基于磁场强度差，总共生成另外三十个分量。因此，运动模型训练单元404基于加速度值差和磁场强度差，产生用于特征向量的六十个分量。

总之，如上所述，对于每个窗口，可以通过运动模型训练单元404生成具有一百三十八个分量的特征向量。

可以设想，根据用于处理训练运动数据的算法，可以通过运动模型训练单元404为每个窗口生成更多或更少的分量。并且除了加速度值和磁场强度之外，更多的运动数据可以用于生成特征向量的分量。

对于上面的同一窗口，移动设备102的相应轨迹可以包括窗口开始时的第一位置(x1，y1)和窗口结束时的第二位置(x2，y2)，其中，x1和x2表示第一和第二位置的经度值，以及y1和y2表示第一和第二位置的纬度值。因此，运动模型训练单元404可以生成从第一位置指向第二位置的过渡矢量V＝(x1，y1)-(x2，y2)，并且可以将过渡矢量指定为用于训练运动模型的监督信号。

运动模型训练单元404可以基于所收集的运动数据和对应的轨迹，生成至少两组特征向量和监督信号。

运动模型训练单元404可以进一步基于至少两组特征向量和监督信号，训练运动模型。例如，可以根据随机森林算法来执行训练过程。在一些实施例中，在随机森林算法中，例如，每个随机森林可以包括50个随机树，每个随机树的深度是25，叶子上的最小样本数是30。可以在训练期间调整随机森林算法的参数(例如，随机树的数量、每个随机树的深度、最小样本数等)。

训练的运动模型可以存储在存储器312中。可以设想，因为用户可以以多种方式携带移动设备102，例如手里拿着移动设备102，将移动设备102放入口袋，将移动设备102附加到用户的手臂等。轨迹判断单元304可以生成包括至少两个子模型的运动模型，并且每个子模型对应于携带移动设备102的用户的位置。

在运动模型训练之后，在确定阶段，轨迹判断单元304可以基于由移动设备102获取的运动数据和运动模型，确定移动设备102的轨迹。与本申请的实施例一致，轨迹判断单元304的运动数据获取单元402还可以在确定阶段接收由移动设备102获取的运动数据。例如，运动数据获取单元402可以在预定事件时，向移动设备102发出用于收集运动数据的指令。在一个实施例中，当用户使用例如滴滴应用程序呼叫出租车时，运动数据获取单元402向移动设备102发送用于收集运动数据的指令。可以设想，当用户呼叫出租车服务时，用户可能仍在他/她的办公室中，并且可能在确认呼叫之后开始步行到接送位置。在这种情况下，运动数据可以用于确定建筑物的出口，因为用户需要通过出入口走出建筑物。在另一实施例中，当用户通过例如滴滴应用程序完成行程时，运动数据获取单元402向移动设备102发送用于收集训练运动数据的指令。可以设想，在用户完成行程之后，用户可以通过出入口走进建筑物。在这种情况下，运动数据可以用于确定建筑物的入口。

可以设想，当运动模型包括至少两个子模型时，轨迹判断单元304可以进一步基于运动数据选择子模型，并且基于运动数据使用子模型确定运动矢量。

因为基于数据收集窗口内的特征向量和监督信号来训练运动模型，所以轨迹判断单元304的运动矢量判断单元408可以使用运动模型，确定数据收集窗口中的运动矢量。给定从运动数据计算的至少两组特征向量和监督信号，可以生成至少两个运动矢量。如上所述，移动设备102可以以预定频率收集训练运动数据和相应的轨迹，因此运动矢量判断单元408可以周期性地生成一个运动矢量。例如，如果数据收集每秒发生五次，则可以每200毫秒(ms)生成一个运动矢量。

然后，轨迹判断单元304的轨迹合成单元406可以通过合成运动矢量，确定移动设备102的轨迹。在一个实施例中，运动矢量可以顺序连接，生成轨迹。在另一实施例中，可以为运动矢量分配不同的权重。可以设想，移动设备102的实际运动更可能类似于最近生成的运动矢量V₀，与之前生成的运动矢量相反。因此，可以基于何时生成运动矢量，为运动矢量分配不同的权重。例如，当前生成的运动矢量V₀可以被赋予权重“1”，运动矢量V₁生成的时间早于当前生成的运动矢量可以被赋予权重“0.9”，运动矢量V₂生成的时间早于运动矢量V₁可以被赋予权重“0.8”，并且运动矢量V_n生成的时间早于运动矢量V_n-1可以被赋予权重1-0.1×n。在一些实施例中，n＝9，并且可以通过基于上述权重合成生成的矢量V₀-V₉来生成加权平均矢量，以便进一步生成轨迹。

可以设想，上面产生的轨迹是合成矢量，表示从第一终端位置(即，起始位置)到第二终端位置(即，终点位置)的运动。

返回参考图3，终端位置获取单元306可以获取移动设备102的轨迹的第一终端位置。如上所述，车辆106的行程信息可以包括用户的身份，其与用户的移动设备102相关联。因此，在行程期间，移动设备102的位置可以与车辆106的位置相同。在第一示例中，当用户到达行程的目的地点时，车辆106的位置可以被指定为第一终端位置，其也是移动设备102的轨迹的起始位置。在第二示例中，在用户呼叫车辆服务之后，当车辆106接到用户并开始行程时，可以将行程的起点指定为第一终端位置。也就是说，第一终端位置是携带移动设备102的用户所进行的行程的起点。由于用户经常在建筑物内呼叫车辆服务并且稍后离开建筑物以获取接送位置(即，行程的起点)，行程的起点也是从建筑物到接送位置的轨迹的终点位置。

此外，由于行程的起点通常接近于建筑物，因此可以基于第一终端位置来识别建筑物。

可以设想，第一示例中的第一终端位置是轨迹的起始位置，而第二示例中的第一终端位置是轨迹的终点位置。因此，由终端位置获取单元306获取的第一终端位置可以是轨迹的起始位置或终点位置。

给定轨迹一个终端的位置，可以通过在轨迹上定位出入口来定位出入口。

通过出入口检测单元308可以检测到移动设备102进入或离开该建筑物。当检测到移动设备102进入或离开出入口时，可以相应地确定出入口的位置。当移动设备102进入或离开建筑物时，气压、温度、光强度可能改变。并且移动设备102接收的WiFi信号和基站信号也可能改变。例如，当移动设备102进入建筑物时，移动设备102可能能够接收设置在建筑物内的WiFi接入点的WiFi信号。因此，通过出入口检测单元308可以基于通过移动设备102获取的传感信号的变化来确定参考值，并且传感信号可以至少包括气压、温度、光强度、无线保真(WiFi)信号、基站信号等。也就是说，用于确定移动设备102是进入还是离开建筑物的参考值是基于至少两个传感信号而不是仅仅一个信号而生成的。在一些实施例中，参考值指示传感信号的变化的幅度。通过出入口检测单元308还将参考值与阈值进行比较。阈值可以预先确定并存储在存储器312中。然后，当参考值大于阈值时，通过出入口检测单元308确定移动设备进入或离开建筑物。

在一些实施例中，可以在进入或离开建筑物时，确定移动设备102的轨迹的第二终端位置。当检测到所述移动设备进入或离开建筑物时，出入口定位单元310可以进一步确定轨迹的第二终端位置，将第二终端位置作为出入口的位置。

因此，系统200可以基于用户的移动设备的轨迹和与用户的行程呼叫相关联的车辆的位置，自动定位建筑物出入口，因此系统200是有效且成本效益好的。

本申请的另一方面提供了一种用于定位建筑物出入口的方法。

图6是根据本申请的一些实施例的用于定位建筑物出入口的示例性过程600的流程图。例如，过程600可以由系统200实现，并且过程600可以包括如下步骤S602至S608。

在步骤S602中，系统200可以基于由移动设备获取的运动数据和运动模型，确定移动设备的轨迹。运动数据可以是在移动设备移动期间产生的磁场强度、方向、重力值、加速度值等。可以使用至少两个传感器(包括气压传感器、温度传感器、光传感器等)来产生运动数据。可以使用训练阶段中的机器学习来生成运动模型。例如，系统200可以基于训练运动数据和移动设备的相应轨迹，训练运动模型。训练运动数据基本上类似于运动数据，并且可以类似地从移动设备获取。移动设备的相应轨迹可以通过任何合适的方法确定，只要它对于训练过程足够准确。在一些实施例中，可以基于移动设备接收的GPS信号确定相应的轨迹。也就是说，在训练阶段，需要在训练阶段打开GPS定位模块。上面结合图4讨论了用于训练运动模型的过程。

可以设想，运动模型可以包括至少两个子模型，并且每个子模型对应于携带移动设备的用户的位置。

给定所获取的运动数据和运动模型，即使不接收GPS信号，也可以生成移动设备的轨迹。图7是根据本申请的一些实施例的用于生成移动设备的轨迹的示例性过程700的流程图。过程700还可以由系统200执行，并且可以包括子步骤S702至S706。

在子步骤S702中，系统200可以接收由移动设备获取的运动数据。在子步骤S704中，系统200可以使用基于运动数据的运动模型生成至少两个运动矢量。在子步骤S706中，系统200可以通过合成运动矢量来确定移动设备的轨迹。

如上所述，当运动模型包括至少两个子模型时，系统200可以基于运动数据选择子模型，并且基于运动数据使用子模型确定运动矢量。例如，当用户将移动设备放在口袋中时，系统200可以确定移动设备保持在口袋中，并使用子模型确定口袋的运动矢量。因此，系统200可以确定移动设备的轨迹。

在步骤S604，系统200可以获取移动设备的轨迹的第一终端位置，从而可以在后面的步骤中基于第一终端位置和轨迹本身来定位轨迹的任何位置。

根据本申请的实施例，系统200基于与车辆和移动设备相关联的行程呼叫，使用车辆的位置，以便获取第一终端位置。

在第一示例中，当用户完成行程并离开车辆时，可以将行程目的地处的车辆的位置指定为第一终端位置，这是移动设备从车辆到建筑物的轨迹的起始位置。在第二示例中，在用户呼叫车辆服务之后，当车辆接到用户并开始行程时，可以将行程的起点指定为第一终端位置。由于用户经常在建筑物内呼叫车辆服务并且在稍后离开建筑物到达接送位置，因此行程的起点也是从建筑物到接送位置的轨迹的终端位置。

此外，由于行程的起点通常靠近建筑，因此可以基于第一终端位置来识别该建筑物。

可以设想，第一示例中的第一终端位置是轨迹的起始位置，而第二示例中的第一终端位置是轨迹的终点位置。因此，在步骤S604获取的第一终端位置可以是轨迹的起始位置或终点位置。

在步骤S606，系统200可以检测移动设备进入或离开建筑物。当移动设备进入或离开建筑物时，气压、温度、光强度可能改变。并且移动设备102接收的WiFi信号和基站信号也可能改变。例如，当移动设备102进入建筑物时，移动设备102可能能够接收设置在建筑物内的WiFi接入点的WiFi信号。因此，通过出入口检测单元308可以基于移动设备获取的传感信号来确定参考值，并且传感信号可以至少包括气压、温度、光强度、无线保真(WiFi)信号、基站信号等。也就是说，用于确定移动设备是进入还是离开建筑物的参考值是基于至少两个传感信号而不是仅仅一个信号而生成的。在一些实施例中，参考值指示传感信号的变化的幅度。系统200还将参考值与阈值进行比较。阈值可以预先确定并存储在存储器中。然后，当参考值大于阈值时，系统200确定移动设备进入或离开建筑物。

在步骤S608，系统200可以在检测到轨迹的位置时确定轨迹的第二终端位置。因为系统200可以检测进入或离开建筑物的移动设备，所以当检测到所述移动设备进入或离开建筑物时，轨迹上的位置可以被确定作为轨迹的第二终端位置。可以进一步将轨迹的第二终端位置指定为出入口的位置。

过程600可以基于用户的移动设备的轨迹和与用户的行程呼叫相关联的车辆的位置，自动定位建筑物出入口，因此过程600是有效且成本效益好的。

本申请的另一方面涉及一种存储指令的非暂时性计算机可读存储介质，所述指令在被一个或以上处理器执行时，执行如上所述的方法。所述计算机可读存储介质包括易失性或非易失性、磁性、半导体、磁带、光学、可移动、不可移动或其他类型的计算机可读存储介质或计算机可读存储设备。例如，如本申请的计算机可读存储介质可以是存储设备或其上存储有计算机指令的存储器模块。在一些实施例中，计算机可读存储介质可以是其上存储有计算机指令的盘或闪存驱动器。

对于本领域普通技术人员来说，显而易见的是，可以对所披露的定位系统和相关方法进行各种修改和变化。考虑到本申请的系统和相关方法的说明书和实践，其他实施例对于本领域普通技术人员是显而易见的。

本申请中的说明书和示例的目的仅被认为是示例性的，真正的范围由以下权利要求及其等同物限定。

Claims (16)

1.一种用于定位建筑物出入口的计算机实现的方法，包括：

基于移动设备获取的运动数据和在运动模型中确定的子模型，确定所述移动设备的轨迹；其中，所述子模型基于所述运动数据确定，所述运动模型为机器学习模型，所述运动模型包括至少两个子模型；

通过与用户的行程相关联的车辆的定位设备，获取所述移动设备的所述轨迹的第一终端位置；

检测所述移动设备进入或离开建筑物；其中：

所述第一终端位置是携带所述移动设备的用户所进行的行程的目的地，并且所述移动设备进入所述建筑物；或者，

所述第一终端位置是携带所述移动设备的用户所进行的行程的起点，并且所述移动设备离开所述建筑物；以及

当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置。

2.根据权利要求1所述的方法，其特征在于，还包括基于所述第一终端位置识别所述建筑物。

3.根据权利要求1所述的方法，其特征在于，检测所述移动设备进入或离开所述建筑物还包括：

基于所述移动设备获取的传感信号，确定参考值；

比较所述参考值和阈值；以及

当所述参考值大于所述阈值时，确定所述移动设备进入或离开所述建筑物。

4.根据权利要求3所述的方法，其特征在于，所述传感信号包括气压、温度、光强度、无线保真信号或基站信号中的至少一种。

5.根据权利要求1所述的方法，其特征在于，确定所述移动设备的轨迹还包括：

接收所述移动设备获取的所述运动数据；

基于所述运动数据，使用运动模型，生成至少两个运动矢量；以及

通过合成所述运动矢量，确定所述移动设备的所述轨迹。

6.根据权利要求5所述的方法，其特征在于，进一步包括使用至少一组训练运动数据和相应的轨迹，训练所述运动模型。

7.根据权利要求5所述的方法，其特征在于，每个子模型对应于携带所述移动设备的用户的位置。

8.根据权利要求5所述的方法，其特征在于，还包括：

选择基于所述运动数据的子模型；以及

使用基于所述运动数据的所述子模型，确定所述运动矢量。

9.一种用于定位建筑物出入口的系统，包括：

被配置为用于存储运动模型的存储器；以及

处理器，所述处理器被配置为：

基于移动设备获取的运动数据和在运动模型中确定的子模型，确定所述移动设备的轨迹；其中，所述子模型基于所述运动数据确定，所述运动模型为机器学习模型，所述运动模型包括至少两个子模型；

通过与用户的行程相关联的车辆的定位设备，获取所述移动设备的所述轨迹的第一终端位置；

检测所述移动设备进入或离开建筑物；其中：

所述第一终端位置是携带所述移动设备的用户所进行的行程的目的地，并且所述移动设备进入所述建筑物；或者，

所述第一终端位置是携带所述移动设备的用户所进行的行程的起点，并且所述移动设备离开所述建筑物；以及

当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置。

10.根据权利要求9所述的系统，其特征在于，所述处理器进一步被配置为基于所述第一终端位置识别所述建筑物。

11.根据权利要求9所述的系统，其特征在于，所述处理器进一步被配置为：

基于所述移动设备获取的传感信号，确定参考值；

比较所述参考值和阈值；以及

当所述参考值大于所述阈值时，确定所述移动设备进入或离开所述建筑物。

12.根据权利要求11所述的系统，其特征在于，所述传感信号包括气压、温度、光强度、无线保真信号或基站信号中的至少一种。

13.根据权利要求9所述的系统，其特征在于，所述处理器进一步被配置为：

接收所述移动设备获取的所述运动数据；

基于所述运动数据，使用运动模型，生成至少两个运动矢量；以及

通过合成所述运动矢量，确定所述移动设备的所述轨迹。

14.根据权利要求13所述的系统，其特征在于，所述处理器进一步被配置为使用至少一组训练运动数据和相应的轨迹，训练所述运动模型。

15.根据权利要求13所述的系统，其特征在于，每个子模型对应于携带所述移动设备的用户的位置。

16.一种非暂时性计算机可读存储介质，其特征在于，包括当由定位系统的至少一个处理器执行时，使得所述定位系统执行用于定位建筑物出入口的方法，所述方法包括：

基于移动设备获取的运动数据和在运动模型中确定的子模型，确定所述移动设备的轨迹；其中，所述子模型基于所述运动数据确定，所述运动模型为机器学习模型，所述运动模型包括至少两个子模型；

通过与用户的行程相关联的车辆的定位设备，获取所述移动设备的所述轨迹的第一终端位置；

检测所述移动设备进入或离开建筑物；其中：

所述第一终端位置是携带所述移动设备的用户所进行的行程的目的地，并且所述移动设备进入所述建筑物；或者，

所述第一终端位置是携带所述移动设备的用户所进行的行程的起点，并且所述移动设备离开所述建筑物；以及

当检测到所述移动设备进入或离开建筑物时，确定所述轨迹的第二终端位置，将所述第二终端位置作为出入口的位置。